صفحه محصول - پاورپوینت ارزیابی دسته بندی

پاورپوینت ارزیابی دسته بندی (pptx) 18 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 18 اسلاید

قسمتی از متن PowerPoint (.pptx) :

ارزیابی دسته بندی روش های ارزیابی دسته بندی تعداد پیش بینی های درست مدل زمان لازم برای ساخت و استفاده از مدل توانایی برخورد مدل با داده های غیر معمول یا مقادیر مفقود میزان قابل فهم بودن مدل اندازه مدل 2 پیچیدگی در مدل سازی آیا مدل های با پیچیدگی زیاد (با دقت بالا) بهترند یا مدل های با پیچیدگی کم (دقت پایین)؟ رسیدن به سطح بهینه ای از پیچیدگی، جهت ایجاد تعادل مطلوب میان انحراف و پراکندگی 3 دقت کم پایداری بیشتر انحراف زیاد پراکندگی کم دقت بالا تعمیم پذیری کم (بیش برازش) انحراف کم پراکندگی بالا 4 Poor Representation Best fit Over fit پیچیدگی(مثال) تعادل بین انحراف و سوگیری با انتخاب ابعاد بالاتر دسته بندی به نحو مطلوب تری انجام می گیرد. 5 اما بالا رفتن ابعاد، سبب مشکلاتی در زمینه بیش برازش و بالا رفتن حجم محاسبات، می شود. دستیابی به سطح مطلوبی از ابعاد افزایش ابعاد (مثال) we have a set of images, each of which depicts either a cat or a dog. We would like to create a classifier that is able to distinguish dogs from cats automatically. average ‘red’ color in the image by using less features, the curse of dimensionality was avoided such that the classifier did not overfit the training data. memorize training data rather than learning Overfitting 6 تعادل بین انحراف و سوگیری دستیابی به سطح مطلوبی از ابعاد یا پیچیدگی در مساله As the dimensionality increases, the classifier’s performance increases until the optimal number of features is reached. Further increasing the dimensionality without increasing the number of training samples results in a decrease in classifier performance. 7 مسئله تعمیم در مسائل دسته بندی از مجموعه محدودی از نمونه ها برای به دست آوردن مدل دسته بندی استفاده می شود. در عالم واقع با داده های آموزش نمی توان همه سناریوهای ممکن را مسخص نمود . 8 میزان پایداری مدل نسبت به ورودی های ناشناس (متفاوت با مقادیر آموزش) Generalization Problem مسئله تعمیم 9 مسئله تعمیم فضای داده نمونه موجود فضای کلی که برخی نواحی آن ناشناخته اند کاهش خطا یا ریسک مدل نمایی از ریسک در دسته بندی 10 ارزیابی صحت روش های دسته بندی صحت ( Accuracy ) نسبت نتایج درستی که دسته بندی کننده به آن دست یافته است. نرخ تشخیص : نشان دهنده کیفیت تشخیص نمونه های دسته های متفاوت ACC (m) 1- ACC (m) صحت روش دسته بندی خطای روش دسته بندی